Esta investigación no se realizó de la noche a la mañana. Desde que comenzamos la cursada de #DATOSUBA en la comisión a cargo de Guadalupe López, atravesamos distintas etapas de entregas preliminares en las cuales tuvimos tiempo para reformular y ajustar nuestras ideas. A continuación, brevemente les contamos nuestra historia.
stages-etapas
Punto de partida
Al momento de elegir el tema de nuestro proyecto sabíamos que no podíamos quedarnos solamente con el análisis de grandes cantidades de datos. Lo que eligiéramos para trabajar tenía que ser significativo para lograr que se transformase en un aporte confiable dentro del marco de las humanidades digitales. En el grupo estuvo presente la idea de realizar una investigación que pudiera ser útil para alguien más y dentro de este marco empezamos a pensar en la posibilidad de trabajar con una ONG. Decidimos quedarnos con TECHO ya que todos nosotros estamos familiarizados con el accionar de la misma y porque creemos que es una de las ONG que más reconocimiento ha obtenido a nivel social en Argentina. Pero nada de todo esto podría haber empezado sin los datos duros, con lo cual el primer paso fue rastrear en la web para encontrar esa información.
Un primer acercamiento a los datos
Luego de investigar en la web de TECHO, nos comunicamos con el departamento de comunicación de la organización. Se mostraron muy interesados en nuestro trabajo, y nos proporcionaron nuevos datos e información sobre los lugares donde trabaja la ONG. Posteriormente, Guadalupe López nos pasó las bases de datos de La Nación sobre el último censo nacional.
A partir de aquí comenzamos a preguntarnos más en detalle sobre el accionar de TECHO, tratando de encontrar las respuestas en nuestros datos. ¿Dónde hay mayor presencia de TECHO en Buenos Aires? ¿Por qué se trabaja en determinados partidos y no en otros? ¿Todos los partidos tienen las mismas necesidades habitacionales? ¿Influye la cantidad de viviendas que cada partido tiene? ¿O acaso pesa más el índice de densidad de población? De esta manera elaboramos nuestra hipótesis central: TECHO trabaja en zonas donde hay mayor densidad de población y menor número en cuanto a cantidad de viviendas.
Optimizando las bases de datos
Para poder manejar los datos hicimos una limpieza de los archivos en excel, eliminando la información que no resultaba relevante para nuestra investigación con el objetivo de hacer más eficiente nuestra base. Otro problema que tuvimos estaba relacionado con las definiciones de "asentamiento", "hogar" y "vivienda". Como ya dijimos, TECHO define asentamiento como un grupo de 8 o más familias que viven en un terreno que posee una situación irregular en términos legales, y que al menos tiene la falta de acceso formal de un servicio básico como electricidad, agua y alcantarillado. En la base de datos del censo contábamos tanto con el índice de viviendas, como con el de hogares por partido. Si bien la diferencia entre ambos valores no era muy grande, encontramos que, según el censo, las viviendas son consideradas como espacios donde viven personas que se hallan separados por paredes u otros elementos cubiertos por un techo, y sus ocupantes pueden entrar o salir sin pasar por el interior de otras viviendas. Las viviendas pueden haber sido construidas o adaptadas para ser habitadas o bien ser utilizadas con ese fin por la noche. Por otra parte el término hogar hace referencia a una persona o grupo de personas que viven bajo el mismo techo y comparten los gastos de alimentación. Entendemos, entonces, que dentro de una misma vivienda puede haber más de un hogar, pero como a nosotros nos importan la cantidad de techos, decidimos trabajar con los valores de cantidad de viviendas.
Visualizando los datos
Los datos tienen el potencial para decir mucho, pero las bases tal y como las teníamos no nos decían lo suficiente. Por eso hacía falta encontrar la manera de visualizarlos de forma clara para analizarlos y compararlos. Al estar trabajando con los partidos de la provincia de Buenos Aires y con barrios de TECHO que podían ser ubicados geográficamente, decidimos que lo mejor era crear mapas que alberguen toda la información. Los mismos fueron realizados por medio de "CartoDB" y fueron la fuente principal para corroborar/refutar nuestra hipótesis inicial. A su vez los datos que no podían ser distinguidos tan fácilmente en el mapa, los utilizamos para elaborar gráficos vía "Infogram" los cuales detallan los partidos que tienen mayor y menor densidad de población por un lado, y mayor y menor cantidad de viviendas por el otro.
